摘 要: | 在众包模型中,通常将每个工人的融合矩阵视为潜在的变量,采用贝叶斯后验分布对参数进行估计.由于融合矩阵数量多并且规模大,因此众包模型的计算量非常大.该文将所有的工人按照相似性划分为若干社团,每个社团中的所有工人采用相同的融合矩阵.在众包模型参数的计算中,采用贝叶斯后验分布方法进行推导,应用消息传递算法计算每个参数的近似间隔分布,并且应用最大间隔似然模型选择工人集合中的最优社团数量.实验表明,本文提出的基于社团的贝叶斯众包模型与其他相关研究相比在降低了算法的复杂度同时也提高了算法的准确性.
|